pandas.Series.loc #

地产 系列。loc [来源] #

通过标签或布尔数组访问一组行和列。

.loc[]主要基于标签,但也可以与布尔数组一起使用。

允许的输入有:

  • 单个标签,例如5'a',(请注意,它5被解释为索引的标签,而不是解释为沿索引的整数位置)。

  • 标签列表或数组,例如。['a', 'b', 'c']

  • 带有标签的切片对象,例如'a':'f'.

    警告

    请注意,与通常的 python 切片相反,开始和结束都包含在内

  • 与被切片的轴长度相同的布尔数组,例如。[True, False, True]

  • 可对齐的布尔系列。键的索引将在屏蔽之前对齐。

  • 可对齐索引。返回选择的索引将作为输入。

  • callable具有一个参数(调用 Series 或 DataFrame)并返回索引有效输出(上述之一)的函数

更多信息请参见按标签选择

加薪
按键错误

如果没有找到任何项目。

索引错误

如果传递了索引键并且其索引与帧索引无法对齐。

也可以看看

DataFrame.at

访问行/列标签对的单个值。

DataFrame.iloc

按整数位置访问行和列组。

DataFrame.xs

返回 Series/DataFrame 的横截面(行或列)。

Series.loc

使用标签访问值组。

例子

获取值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...                   index=['cobra', 'viper', 'sidewinder'],
...                   columns=['max_speed', 'shield'])
>>> df
            max_speed  shield
cobra               1       2
viper               4       5
sidewinder          7       8

单一标签。请注意,这会将行作为系列返回。

>>> df.loc['viper']
max_speed    4
shield       5
Name: viper, dtype: int64

标签列表。注意 using[[]]返回一个 DataFrame。

>>> df.loc[['viper', 'sidewinder']]
            max_speed  shield
viper               4       5
sidewinder          7       8

行和列的单个标签

>>> df.loc['cobra', 'shield']
2

带有行标签和列单个标签的切片。如上所述,请注意,切片的开始和结束都包含在内。

>>> df.loc['cobra':'viper', 'max_speed']
cobra    1
viper    4
Name: max_speed, dtype: int64

与行轴长度相同的布尔列表

>>> df.loc[[False, False, True]]
            max_speed  shield
sidewinder          7       8

可对齐布尔系列:

>>> df.loc[pd.Series([False, True, False],
...                  index=['viper', 'sidewinder', 'cobra'])]
                     max_speed  shield
sidewinder          7       8

索引(与 相同的行为df.reindex

>>> df.loc[pd.Index(["cobra", "viper"], name="foo")]
       max_speed  shield
foo
cobra          1       2
viper          4       5

返回布尔系列的条件

>>> df.loc[df['shield'] > 6]
            max_speed  shield
sidewinder          7       8

返回指定列标签的布尔系列的条件

>>> df.loc[df['shield'] > 6, ['max_speed']]
            max_speed
sidewinder          7

多个条件使用&返回布尔系列

>>> df.loc[(df['max_speed'] > 1) & (df['shield'] < 8)]
            max_speed  shield
viper          4       5

多个条件使用|返回布尔系列

>>> df.loc[(df['max_speed'] > 4) | (df['shield'] < 5)]
            max_speed  shield
cobra               1       2
sidewinder          7       8

请确保每个条件都用括号括起来()。 有关布尔索引的更多详细信息和说明,请参阅用户指南。

笔记

如果您发现自己在 中使用了 3 个或更多条件.loc[],请考虑使用高级索引

有关在多索引数据帧上使用的信息,请参阅下文.loc[]

返回布尔系列的可调用

>>> df.loc[lambda df: df['shield'] == 8]
            max_speed  shield
sidewinder          7       8

设定值

为与标签列表匹配的所有项目设置值

>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> df
            max_speed  shield
cobra               1       2
viper               4      50
sidewinder          7      50

为整行设置值

>>> df.loc['cobra'] = 10
>>> df
            max_speed  shield
cobra              10      10
viper               4      50
sidewinder          7      50

为整列设置值

>>> df.loc[:, 'max_speed'] = 30
>>> df
            max_speed  shield
cobra              30      10
viper              30      50
sidewinder         30      50

为匹配可调用条件的行设置值

>>> df.loc[df['shield'] > 35] = 0
>>> df
            max_speed  shield
cobra              30      10
viper               0       0
sidewinder          0       0

添加值匹配位置

>>> df.loc["viper", "shield"] += 5
>>> df
            max_speed  shield
cobra              30      10
viper               0       5
sidewinder          0       0

使用 aSeries或 aDataFrame设置匹配索引标签的值,而不是索引位置。

>>> shuffled_df = df.loc[["viper", "cobra", "sidewinder"]]
>>> df.loc[:] += shuffled_df
>>> df
            max_speed  shield
cobra              60      20
viper               0      10
sidewinder          0       0

获取具有整数标签索引的 DataFrame 上的值

使用整数作为索引的另一个示例

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...                   index=[7, 8, 9], columns=['max_speed', 'shield'])
>>> df
   max_speed  shield
7          1       2
8          4       5
9          7       8

带有行整数标签的切片。如上所述,请注意,切片的开始和结束都包含在内。

>>> df.loc[7:9]
   max_speed  shield
7          1       2
8          4       5
9          7       8

使用 MultiIndex 获取值

使用带有 MultiIndex 的 DataFrame 的许多示例

>>> tuples = [
...     ('cobra', 'mark i'), ('cobra', 'mark ii'),
...     ('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),
...     ('viper', 'mark ii'), ('viper', 'mark iii')
... ]
>>> index = pd.MultiIndex.from_tuples(tuples)
>>> values = [[12, 2], [0, 4], [10, 20],
...           [1, 4], [7, 1], [16, 36]]
>>> df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)
>>> df
                     max_speed  shield
cobra      mark i           12       2
           mark ii           0       4
sidewinder mark i           10      20
           mark ii           1       4
viper      mark ii           7       1
           mark iii         16      36

单一标签。请注意,这将返回一个具有单个索引的 DataFrame。

>>> df.loc['cobra']
         max_speed  shield
mark i          12       2
mark ii          0       4

单索引元组。请注意,这会返回一个系列。

>>> df.loc[('cobra', 'mark ii')]
max_speed    0
shield       4
Name: (cobra, mark ii), dtype: int64

行和列的单个标签。与传入元组类似,这会返回一个系列。

>>> df.loc['cobra', 'mark i']
max_speed    12
shield        2
Name: (cobra, mark i), dtype: int64

单元组。注意 using[[]]返回一个 DataFrame。

>>> df.loc[[('cobra', 'mark ii')]]
               max_speed  shield
cobra mark ii          0       4

索引的单个元组和列的单个标签

>>> df.loc[('cobra', 'mark i'), 'shield']
2

从索引元组切片到单个标签

>>> df.loc[('cobra', 'mark i'):'viper']
                     max_speed  shield
cobra      mark i           12       2
           mark ii           0       4
sidewinder mark i           10      20
           mark ii           1       4
viper      mark ii           7       1
           mark iii         16      36

从索引元组切片到索引元组

>>> df.loc[('cobra', 'mark i'):('viper', 'mark ii')]
                    max_speed  shield
cobra      mark i          12       2
           mark ii          0       4
sidewinder mark i          10      20
           mark ii          1       4
viper      mark ii          7       1

请参阅用户指南 以获取高级索引的更多详细信息和说明。